GCC 链接过程中的【重定位】过程分析

目录

• 示例代码

• sub.o 文件内容分析

• 段信息

• 符号表信息

• main.o 文件分析

• 段信息

• 符号表信息

• 绝对寻址

• 相对寻址

• 重定位表信息

• 可执行程序 main

• 段信息

• 符号表信息

• 绝对地址重定位

• 相对地址重定位

• 总结

最近因为项目上的需要，利用动态链接库来实现一个插件系统，顺便就复习了一下关于Linux中一些编译、链接相关的内容。

在链接的过程中，符号重定位是比较麻烦的事情，特别是在动态链接的过程中，因为需要考虑到很多不同的情况。

这篇文章作为第一篇，先来聊一聊静态链接中的重定位过程。

按照惯例，还是以一个简短的示例代码作为载体，看一看GCC在链接的过程中，是如何根据目标文件(.o文件)来进行重定位，生成最终的可执行文件的。

示例代码

示例代码很简单，一共有2个源文件main.c和 sub.c。

在sub.c中定义了一个全局变量和一个全局函数，然后在main.c中使用这个全局变量和全局函数。代码如下：

sub.c

main.c

在一般的开发过程中，都是使用GCC工具，直接把这2个源文件编译得到可执行文件。

但是，为了探究编译、链接过程中的一些内部情况，我们需要把编译、链接的过程拆开，从中间过程中产生的目标文件(.o 文件)中，来查看一些详细信息。

先把这2个源文件编译成目标文件sub.o和main.o:

$ gcc -m32 -c sub.c
$ gcc -m32 -c main.c

这样就得到了两个目标文件，先来初步看一下这2个目标文件中的一些信息。

以上这两个编译过程是各自独立的，虽然main.o中使用了两个符号(全局变量和全局函数)，但是此时main.o并不知道这2个符号是在哪个文件中定义的。

当链接器把所有的.o文件链接成可执行文件的过程中，才能确定这2个符号是在哪里。

在Linux系统中，目标文件(.o) 和可执行文件都是ELF格式的，因此如何查看ELF格式文件的一些工具指令就非常有帮助。

很久之前总结过这篇文章：《Linux系统中编译、链接的基石-ELF文件：扒开它的层层外衣，从字节码的粒度来探索》，里面详细总结了ELF文件的内部结构，以及一些相关的工具。

sub.o 文件内容分析

段信息

首先来简单瞄一眼一下sub.o中的一些信息。

sub.o中的段信息如下(指令：$ readelf -S sub.o)：

我们主要关心黄色的代码段和数据段就可以了，可以看出:

1. 代码段(.text)：地址Addr是 0x0000_0000(因为这是目标文件，不是可执行文件，所以不会安排地址)，它在 sub.o 文件中的偏移量(Off)是 0x34，长度是 0x0C 字节;

2. 数据段(.data)：地址Addr是 0x0000_0000，它在 sub.o 文件中的偏移量(Off)是 0x40，长度是 0x04 字节;

简单算一下：sub.o的开始部分是ELF的 header，通过 readelf -h sub.o 指令可以看出来header部分是52个字节(即：0x34)，如下：

因此可以得到：

1. 代码段(.text)是紧接在 header 之后，长度是 0x0C 个字节，在文件中占据着 0x34 ~ 0x3F 这部分空间(0x3F = 0x34 + 0x0C - 1);

2. 数据段(.data)是进阶在代码段之后，在文件中占据着 0x40 ~ 0x43 这部分空间;

符号表信息

下面再来说说符号表的事情。

简单来说，符号表就是一个文件中定义的所有符号、引用的外部符号(在其它文件中定义)，包括：变量名、函数名、段名等等，都属于符号。

当然了，在ELF文件中会详细的说明每一个符号的类型、大小、可见性等信息。如果对ELF文件格式有过了解的话，一定知道每一条符号信息，都是通过一个结构体来描述具体含义的，描述符号表的结构体如下：

// Symbol table entries for ELF32.
struct Elf32_Sym {
   Elf32_Word st_name;     // Symbol name (index into string table)
   Elf32_Addr st_value;    // Value or address associated with the symbol
   Elf32_Word st_size;     // Size of the symbol
   unsigned char st_info;  // Symbol's type and binding attributes
   unsigned char st_other; // Must be zero; reserved
   Elf32_Half st_shndx;    // Which section (header table index) it's defined in
};

再来看一下sub.o中的符号表，下面这张图(指令：readelf -s sub.o)：

关注上图中黄色矩形中的两个符号：SubData和SubFunc，很明显它们就是sub.c中定义的两个符号：全局变量和全局函数。

对于SubData符号来说：

1. Size=4: 长度是 4 个字节;

2. Type=OBJECT：说明这是一个数据对象;

3. Bind=GLOBAL：说明这个符号是全局可见的，也就是在其他文件中可以使用;

4. Ndx=2：说明这个符号是属于第 2 个 段中，就是数据段(.data);

同样的道理，对于SubFunc符号来说：

1. Size=12: 长度是 12 个字节;

2. Type=FUNC：说明这是一个函数;

3. Bind=GLOBAL：说明这个符号是全局可见的，也就是在其他文件中可以调用;

4. Ndx=1：说明这个符号是属于第 1 个 段中，就是代码段(.text);

main.o 文件分析

按照上面的步骤，把main.o中的这几个信息也查看一下。

段信息

指令：readelf -S main.o

可以看出:

1. 代码段(.text)：地址Addr是 0x0000_0000(因为这是目标文件，不是可执行文件，所以不会安排地址)，它在 sub.o 文件中的偏移量(Off)是 0x34，长度是 0x32 字节;

2. 数据段(.data)：地址Addr是 0x0000_0000，它在 sub.o 文件中的偏移量(Off)是 0x66，长度是 0 个字节，因为它没有定义变量;

在文件中的布局如下所示：

符号表信息

指令：readelf -s main.o

重点看一下黄色矩形中的3个符号。

main符号：

1. Size=50: 长度是 30 个字节，也就对应着代码段的长度 0x32 ;

2. Type=FUNC：说明这是一个函数;

3. Bind=GLOBAL：说明这个符号是全局可见的，也就是在其他文件中可以调用;

4. Ndx=1：说明这个符号是属于第 1 个 段中，就是代码段(.text);

下面两个符号SubData和SubFunc，他们的Ndx都是UND，表示这2个符号被main.o使用，但是定义在其他文件中。

我们知道，当链接成可执行文件时，所有的符号都必须有确定的地址(虚拟地址)，所以链接器就需要在链接的过程中找到这2个符号在可执行文件中的地址，然后把这两个地址填写到main的代码段中。

可以先来看一下main.o的反汇编代码：

指令：objdump -d main.o

黄色矩形框中是把数值0存储到eax寄存器中，然后把eax 压到栈中，然后红色矩形框调用了一个函数。

从示例代码(.c文件)中可知：main函数在调用sub.c中的SubFunc函数时，传入了变量SubData。

黄色部分的00 00 00 00就应该是符号SubData的地址，只不过此时main.o还不知道这个符号的将会被链接器安排在什么地址，所以只能空着(以4个字节的00来占位)。

红色部分的调用(call)地址为什么是fc ff ff ff?

按照小端格式计算一下：0xfffffffc，十进制的值就是-4，为什么设置成-4呢？

对于x86平台的ELF格式来说，对地址进行修正的方式有2种：绝对寻址和相对寻址。

绝对寻址

对于SubData符号就是绝对寻址，在链接成可执行文件时，这个地址在代码段中偏移0x12个字节(黄色矩形框指令码偏移0x11个字节，跨过一个字节的指令码a1就是0x12个字节)，这个地方4个字节的当前值是 00 00 00 00。

链接器在修正的时候(就是链接成可执行文件的时候)，会把这4个字节修改为SubData变量在可执行文件中的实际地址(虚拟地址)。

相对寻址

红色矩形框中的函数调用(SubFunc符号)，就是相对寻址，就是说：当CPU执行到这条指令的时候，把PC寄存中的值加上这个偏移地址，就是被调用对象的实际地址。

链接器在重定位的时候，目的就是计算出相对地址，然后替换掉fc ff ff ff这四个字节。

PC寄存器中的值是确定的，当call这条指令被CPU取到之后，PC寄存器被自动增加，指向下一条指令的开始地址(偏移0x1f地址处)。

实际地址 = PC值 + xxxx_xxxx，所以得到：xxxx_xxxx = 实际地址 - PC值。

而PC值与 xxxx_xxxx 所在的地址之间是有关系的：PC值 + (-4)就得到 xxxx_xxxx 所在的地址，因此在main.o中预先在这个地址处填 fc ff ff ff（-4）。

问题来了，链接器怎么知道main.o中代码段的这两个地方，需要进行地址修正？

这就是下面介绍的重定位表的作用了！

重定位表信息

指令：objdump -r main.o

重定位表就表示: 该目标文件中，有哪些符号需要在链接的时候进行地址重定位。

从图中黄色矩形框可以看出：main.o中代码段(.text)的 SubData和SubFunc这 2 个符号都需要链接器对它进行重定位。

TYPE列：R_386_32表示绝对寻址， R_386_PC32 表示相对寻址; OFFSET列表示需要重定位的符号在main.o文件代码段中的偏移位置。

刚才已经看了main.o的反汇编代码，可以看到偏移0x12 和 0x1b的地方，就是需要进行地址重定位的两个符号。

可执行程序 main

有了 2 个目标文件：sub.o和main.o，就可以链接得到可执行程序了：

$ ld -m elf_i386 main.o sub.o -e main -o main

段信息

使用readelf工具来看一下main可执行文件中的段信息（指令：readelf -S main)：

1. 红色矩形框是代码段(.text)，链接器把它放在虚拟地址 0x0804_8094;

2. 黄色矩形框是数据段(.data)，链接器把它放在虚拟地址 0x0804_9138;

从段信息中可以看到main文件中代码段和数据段的布局如下：

可执行程序main是由main.o和sub.o这两个目标文件组成的，所以main中的代码段是由main.o中的代码段和sub.o中的代码段组合得到的；对于数据段，由于 main.o中数据段的长度为0，所以main中的数据段就是sub.o中的数据段(长度为4)，如下图所示：

符号表信息

指令：readelf -s main

黄色矩形框中的SubData属于数据段，长度是 4 个字节，虚拟地址是 0x0804_9138，与段信息中的值是一致的。

红色矩形框中的SubFunc属于代码段，长度是 12 个字节，虚拟地址是 0x0804_80c6。

因为main中的代码段包括 2 部分内容：

1. main.o 中的代码段 main 函数;

2. sub.o 中的代码段 SubFunc 函数;

所以，可执行文件main中的代码段，先存放的是main函数，虚拟地址：0x0804_8094，长度是0x32(50 个字节)；

紧接着存放的是SubFunc函数，虚拟地址：0x0804_80c6，长度是0x0c（12 个字节）。

如下图所示：

链接器在第一遍扫描所有的目标文件时，把所有相同类型的段进行合并，安排到相应的虚拟地址，如上图所示。

所谓的安排虚拟地址，就是指定这块内容被加载到虚拟内存的什么地方。当可执行文件被执行的时候，加载器就把每一块内容复制到虚拟内存相应的地址处。

同时，链接器还会建立一个全局符号表，把每一个目标文件中的符号信息都复制到这个全局符号表中。

对于我们的实例程序，全局符号表中包括：

SubData: 属于 sub.o 文件，数据段，安排在虚拟地址 0x0804_9138;

SubFunc: 属于 sub.o 文件，代码段，安排在虚拟地址 0x0804_80c6;

其它符号信息...

绝对地址重定位

然后，链接器第二遍扫描所有的目标文件，检查哪些目标文件中的符号需要进行重定位。

对于我们的示例程序，首先来看一下main.o中使用的外部变量SubData的重定位。

从main.o的重定位表中可知：SubData符号需要进行重定位，需要把这个符号在执行时刻的绝对寻址(虚拟地址)，写入到 main可执行文件中代码段中偏移0x12字节处。

也就是说需要解决 2 个问题：

1. 需要计算出在执行文件 main 中的什么位置来填写绝对地址(虚拟地址);

2. 填写的绝对地址(虚拟地址)的值是多少;

首先来解决第一个问题。

从可执行文件的段表中可以看出：目标文件main.o和sub.o中的代码段被存放到可执行文件main中代码段的开始位置，先放main.o代码段，再放sub.o代码段。

代码段的开始地址距离文件开始的偏移量是0x94，再加上偏移量0x12，结果就是0xa6。

也就是说：需要在main文件中偏移0xa6处填入SubData在执行时刻的绝对地址(虚拟地址)。

再来解决第二个问题。

链接器从全局符号表中发现：SubData符号属于sub.o文件，已经被安排在虚拟地址0x0804_9138处，因此只需要把0x0804_9138填写到可执行文件main中偏移0xa6的地方。

我们来读取main文件，验证一下这个位置处的虚拟地址是否正确：

指令：od -Ax -t x1 -j 166 -N 4 main

-Ax: 显示地址的时候，用十六进制来表示。如果使用 -Ad，意思就是用十进制来显示地址;

-t -x1: 显示字节码内容的时候，使用十六进制(x)，每次显示一个字节(1);

-j 166: 跨过 166 个字节(十六进制 0xa6);

-N 4：只需要读取 4 个字节;

注意：显示的是小端格式。

相对地址重定位

从上面描述的重定位表中看出：main.o代码段中的SubFunc符号也需要重定位，而且是相对寻址。

链接器需要把SunFunc符号在执行时刻的绝对地址(虚拟地址)，减去call指令的下一条指令(PC 寄存器) 之后的差值，填写到执行文件main中的main.o代码段偏移0x1b的地方。

同样的道理，需要解决 2 个问题：

1. 需要计算出在执行文件 main 中的什么位置来填写相对地址;

2. 填写的相对地址的值是多少;

首先来解决第一个问题。

从main.o的重定位表中可知：需要修正的位置距离main.o中代码段的偏移量是0x1b字节。

可执行文件main中代码段的开始地址距离文件开始的偏移量是0x94，再加上偏移量0x1b就是0xaf。

也就是说：需要在main文件中0xaf偏移处填入一个相对地址，这个相对地址的值就是SubFunc在执行时刻的绝对地址(虚拟地址)、距离call指令的下一条指令的偏移量。

再来解决第二个问题。

链接器在第一遍扫描的时候，已经把sub.o中的符号SubFunc记录到全局符号表中了，知道SubFunc函数被安排在虚拟地址0x0804_80c6的地方。

但是不能把这个绝对地址直接填写进去，因为 call 指令需要的是相对地址(偏移地址)。

链接器把main代码段起始位置安排在 0x0804_8094，那么偏移0x1b处的虚拟地址就是：0x0804_80af，然后还需要再跨过4个字节(因为执行call指令时，PC的值自动增加到下一条指令的开始地址)才是此刻PC寄存器的值，即：0x0804_80b3，如下图中红色部分：

两个虚拟地址都知道了，计算一下差值就可以了：0x0804_80c6 - 0x0804_80b3 = 0x13。

也就是说：在可执行文件main中偏移为0xaf的地方，填入相对地址0x0000_0013就完成了SubFunc符号的重定位。

还是用od指令来读取main文件的内容来验证一下：

指令：od -Ax -t x1 -j 175 -N 4 main

总结

经过以上两个重定位操作，main.c中使用的两个外部符号就解决了地址重定位问题。

再来看一下可执行文件main的反汇编代码：

从黄色和红色的矩形框可以看出，二进制指令中的地址值与上面的分析是一致的。

以上就是静态链接过程中地址重定位的基本过程，与动态链接相比，静态链接还是相对简单很多。

- EOF -

推荐阅读  点击标题可跳转

关注『CPP开发者』

看精选C/C++技术文章 

点赞和在看就是最大的支持❤️